APP下载

高校信管类本科生数据挖掘课程教学研究

2019-05-24周健章黔孙丽艳

电脑知识与技术 2019年7期
关键词:信管本科生数据挖掘

周健 章黔 孙丽艳

摘要:针对数据挖掘课程在信管类学生教学中出现的教学问题,提出了适合信管类本科生的案例课程教学方法,优化课程教学内容,改进课程目标、教学计划、教学内容、教学手段、实验课程设计等方法。教学实践表明,这种注重数据挖掘方法思想及实践的方法,在该课程的教学质量及实效方面起到了良好的推动作用,提高了学生学习的积极性。

关键字:数据挖掘;信管专业;案例教学;课程优化

中图分类号:G642 文献标识码:A

文章编号:1009-3044(2019)07-0001-02

1 引言

数据挖掘是一门多学科交叉的学科,涉及众多领域,包括数据库、统计学、机器学习、神经网络、遗传学、模式识别、知识库系统、信息检索、高性能计算和可视化等学科,并且广泛应用于科学、工程、商业、产业、医学、军事、管理等诸多领域[1]。近年来,为适应社会的需要,国内各高校的信管类专业纷纷为本科生开设了数据挖掘课程,但是该课程交叉学科内容和系统性的实验增加了教学难度[2],一定程度上阻碍了学生学习能动性。

2 课程内容分析

数据挖掘是一门理论性、实践性及综合性较强的课程。目前存在的教学问题如下:①授课时间安排在大四学期导致课程设计不能够深入探讨;②课程内容对前期基础知识的要求较高;③教材难度和广度过大,很多教材追求知识面的宽广;④融合理论教学与实践教学缺乏有效衔接。⑤开放性实验较少,实验课程教学方法缺乏创新。上述因素导致该课程的教学效果不是很好[3]。

3 课程教学方法改革

3.1 教学目标设定

合理定位经管类本科生数据挖掘课程的教学目标是关键[4]。根据教育部21世纪高等教育教学改革总目标的要求,按经济管理类专业的特点以及社会对该类专业的专业技能的需求,数据挖掘课程的本科生培养目标应该是:①了解掌握数据挖掘课程涉及的基本概念,提高信息获取、筛选、分析、组织的意识,并从收集到的数据信息中利用有效的软件工具进行知识“挖掘”,构建应用型知识,并服务于经济管理工作实际。②使得学生掌握当前主要使用的数据挖掘软件架构、流程和算法,熟练使用常用数据挖掘工具,能够根据不同的数据任务分析、设计和实施数据挖掘,并将数据挖掘知识结果合理分析后应用于信息管理活动中。

3.2 教学内容选择

合理设计大纲和选择难度适中的教学内容成为该课程的首要任务。以概念知识和算法为理论学习核心,构建重点突出、层次分明、难度适中的知识结构体系。数据存储内容包括数据预处理和数据仓库,数据分析部分包括关联规则、聚类分析和数据分类三部分。鉴于快速搭建实验环境,形成主动学习氛围,教学内容选择以数据预处理和关联规则挖掘为主要教学内容,该两部分内容可以组成一个较为完整的数据挖掘分析系统,使得学生能够在较短的时间内搭建一个完整的数据挖掘实践系统,形成数据挖掘的完整系统概念,从而内涵式推动学生学习兴趣[5][6]。外延数据分类和聚类分析两部分内容,在熟练掌握基础上进行聚类分析和数据分类,给出关联规则、聚类分析和数据分类的算法对比和系统区别,指出它们的应用背景,从而加深学习映像,提高教学效果。

知识结构以概念术语为头,引入性的介绍各种概念来源和目的,算法和模型组成课程学习主体,为实验课程的学习提供前期理论基础,同时适当的引入一些前沿性内容,如遗传算法和细胞神经网络算法,丰富教学内容,拔高教学层次,拓展学生认知层面。

3.3提高学习兴趣和增加学习压力

针对信管专业学生学习的特点,主要讲授算法的思想而不是详细描述算法的实现过程,使用动画和图形的形式突出算法的运行过程,给出直观印象,提高学生对算法的认知度和兴趣度。讲授数据挖掘在经济管理领域的应用实例,如电信、银行以及零售业中的应用,激发学生兴趣,并通过实例数据集利用相关软件完成数据挖掘中数据清理、数据集成、数据选择、数据变换、数据挖掘、模式评估以及知识表示的各个步骤,例如通过不同预处理过程的数据效果阐述为什么数据预处理要占整个挖掘过程60%以上的时间以上的时间让学生对数据挖掘有整体的认识,把握数据挖掘的全局观。

3.4经典案例考核

每节课以一个经典案例或者经典算法为核心设计课程内容,讲述该模型算法的术语、目的、步骤、场景、效率,讲解后给出测试案例数据,利用10分钟的时间测试,抽检几个学生的测试结果并做出评价。

3.5 在实验课教学

实验教学将教学过程关注于数据挖掘在信息管理中的应用,选择图形模块化的设计过程加深学生数据挖掘的感性认识。在实践教学中,经管类学生在课程中主要目标是熟练使用数据挖掘软件分析经济管理领域中的各种问题并做出决策,如信用评估分类、股指预测、商品销售预测等,而非软件设计或算法实现。因此实践教学中瞄准信管专业的职业特点,实践内容也包括对知识挖掘结果的分析、展示、解释、评估和规划等,同时要结合图形、动画和视频展示结果,解释原因、进一步给出企划建议等项目,从而形成从数据收集到管理决策完整的企划过程。同时鼓励学生在网上收集免费的数据源,根据数据源自行设定挖掘目标,利用相关软件进行演练,并与标准结果进行对比分析,达到学以致用的目的。

4 总结

本文对经济管理类专业本科生数据挖掘课程的教学目标、内容以及手段进行了探讨,目的在于进一步促进我国经济管理类专业院校在该课程的教学研究,从而培养出能符合当今社会需求的复合型经济管理人才。

参考文献:

[1] 赵晓凡.公安高等院校数据挖掘课程教改研究[J].计算机教育,2018(1):39-42.

[2] 郝建軍.数据挖掘技术在在线开放课程中的应用研究[J].当代教育实践与教学研究,2018(1):1-4.

[3] 潘晓英,陈皓.数据挖掘教学存在的问题及改进措施[J].高等教育研究,2015(3):14-15.

[4] 夏菁,周婉怡.大数据背景下会计人才的全新培养模式思考[J].财会月刊,2018(2):124-128.

[5] 宋威,李晋宏.项目驱动的数据挖掘教学模式探讨[J].中国电力教育,2011(27):176-177.

[6] 张云春,薛岗,何婧.基于MOOC嵌入式教学的数据挖掘教学改革初探[J].计算机教育,2015(13):39-42.

【通联编辑:朱宝贵】

猜你喜欢

信管本科生数据挖掘
基于并行计算的大数据挖掘在电网中的应用
中医药大学本科生流行病学教学改革初探
一种基于Hadoop的大数据挖掘云服务及应用
淮北师范大学信管专业人才培养模式研究
探索如何提高药学本科生实习的质量
基于GPGPU的离散数据挖掘研究
让教授回归本科生课堂
我校加入优秀本科生国际交流项目